מדוע תכנון ידני של קווי חלוקה מגיע לסוף הדרך

הפעילות בישראל מורכבת מטבעה. משלוחים עירוניים בתל אביב, בני ברק, ירושלים וחיפה כרוכים בפקקי תנועה, הגבלות פריקה, רחובות צרים, חלונות קבלה של לקוחות ושינויי לוח זמנים תכופים לאורך שבוע עבודה של ראשון עד חמישי.

אצל לקוח בתחום מוצרי המזון שליוויתי, יום הפצה טיפוסי כלל משאית שיוצאת ממחסן מרכזי ל 18 עצירות B2B. באמצע הבוקר שני לקוחות ביקשו לדחות מסירה, בהזמנה אחת חסר חלק מהעומס, והעומס על נתיבי איילון גבר. לפני שהייתה להם מערכת, המוקדן היה מטלפן לנהג, משנה סדר לפי אינטואיציה ומעדכן לקוחות אחד אחד. הוא סיפר לי פעם שהרגע שהכי הצית אצלו תסכול היה כשהנהג כבר נסע לכיוון אחד לגמרי, והלקוח במטה התקשר בבהלה על שינוי, ולא הייתה שום דרך לעדכן את כולם בבת אחת. אחרי המעבר למערכת מבוססת בינה מלאכותית, השינויים האלה הפכו לקלט לחישוב, וכל מערך המסלולים נבנה מחדש במהירות עם זמני הגעה מעודכנים. כבר בשבוע הראשון להטמעה, מספר השיחות שהמוקדן שם קיבל מנהגים שביקשו הכוונה מחדש ירד בצורה מורגשת.

השעון הישראלי ולמה הוא מקשה עוד יותר

שבוע עבודה של ראשון עד חמישי, ריכוז חגים בתקופות מסוימות בשנה ותרבות עסקית שבה הזמנה יכולה להשתנות עד השעה האחרונה, יוצרים אצל מפיצים ישראלים עומס תכנון שלא קיים באותה עוצמה בשווקים עם שבוע עבודה יציב יותר. לצרפו למחסור בנהגים מקצועיים, ומקבלים מצב שבו כל שעה של תכנון ידני שווה יותר מהשעה המקבילה בשוק אחר.

תכנון ידני נכשל לעיתים רחוקות על הניתוב לבדו. הוא קורס כי המידע מפוצל בין רשומות ERP, עדכוני מחסן, טלפונים של נהגים, הערות שירות לקוחות וכלי צי נפרדים. מנהלי לוגיסטיקה רבים מספרים לי שהזעם הגדול ביותר מגיע דווקא ברגע הפשוט הזה, כשהנהג בשטח כבר עושה משהו אחר לגמרי, והלקוח במטה מתקשר בבהלה על שינוי, ואין דרך לעדכן את כולם בבת אחת. כדאי לזכור גם את הרקע הכלכלי הרחב יותר, מאז 2020 שכר עובדי המחסנים בארה"ב עלה ביותר מ 30 אחוז, ו 82 אחוז ממנהלי שרשרת האספקה בעולם מדווחים על השפעה תפעולית ישירה של מכסים. כאשר עלויות עבודה, דלק וציפיות שירות עולות בו זמנית, כל כשל בתכנון פוגע ישירות ברווחיות התפעולית.

• תכנון ידני נשען במידה רבה על הידע האישי של מוקדן בודד
• ניתוב מסורתי מתקשה בשינויים חיים אחרי שהרכבים יצאו מהמסוף
• מערכת TMS הופכת לשימושית בהרבה כשהיא מחוברת ל ERP, לאפליקציות מובייל ולדיווח שטח

חלק מהדוגמאות התפעוליות מדווחות על שיפור של 5 אחוז ברווחיות הגולמית, לצד השיפור ביעילות המסלולים שכבר צוין. היתרון המרכזי הוא יכולת תגובה לשינויים בזמן אמת ושליטה מוגברת בתנאים משתנים.

חשוב לומר גם את זה בכנות. המעבר אינו מיידי וכרוך בהטמעה ובהדרכה של הנהגים והמוקדנים, ולפעמים גם בהתנגדות ראשונית מצד מי שהתרגל לעבוד אחרת שנים. אבל הרווח התפעולי ארוך הטווח מצדיק את זה.

בינה מלאכותית משפרת את התשואה על ידי צמצום בזבוז שתכנון ידני מקבל כמובן מאליו, קילומטרים ריקים, סידור עומסים לקוי, זמני המתנה מיותרים, שעות נוספות של מתכנן ואי מסירות שניתן היה למנוע. לפי נתוני גרטנר, 45 אחוז מהחברות כבר עושות שימוש בתחזית ביקוש מבוססת בינה מלאכותית, ועוד 43 אחוז מתכננות לאמץ אותה בתוך שנתיים.

עסקים עם שרשרת אספקה ממוטבת נהנים מעלויות נמוכות ב 15 אחוז, ומחזיקים פחות ממחצית המלאי של מתחרים שאינם ממוטבים. התרומה המשמעותית של בינה מלאכותית נוצרת כשהמערכת מנהלת את כלל התהליכים התפעוליים, הלוגיסטיים ואף הפיננסיים בשטח, ולא מתמקדת באופטימיזציית מסלול כמשימה מבודדת.

אילו רווחים תפעוליים חשובים ביותר בשטח

הרווחים הגדולים מופיעים בדרך כלל בארבעה תחומים. צריכת הדלק יורדת כי המסלולים קצרים יותר ופחות עתירי המתנות. ניצול כוח האדם משתפר כי המתכננים מפסיקים לבנות לוחות זמנים מחדש ידנית. העמידה בזמנים עולה כי זמני ההגעה משקפים תנאי דרך עדכניים. תיאום השירות מתחדד כי עדכוני מובייל מהשטח חוזרים למנוע התכנון, בדיוק כפי שקרה אצל לקוח המזון שתיארתי למעלה.

• הפחתת עלויות דרך צמצום דלק, פחות קילומטראז' מיותר ושחיקה נמוכה יותר של הרכבים
• תזמון טוב יותר דרך שיבוץ דינמי של משימות, עומסים וזמינות נהגים
• אמינות שירות גבוהה יותר דרך חישוב מדויק של זמני הגעה ופחות עיכובים שניתן למנוע
• צמיחת קיבולת דרך יותר עצירות או קריאות לרכב ולטכנאי, בלי הרחבת צי מיידית

מהניסיון שלנו עולה תובנה שפחות מדברים עליה. ההצלחה לא נמדדת רק באחוז החיסכון בדלק, אלא בכמות הסבבים המאוחרים שנחסכו, מדד שמנהלי שטח מכירים היטב אבל לעיתים רחוקות מציגים להנהלה.

קו חלוקה הוא לרוב חלק מתהליך לקוח רחב יותר, ולכן ההשפעה של בינה מלאכותית חורגת מהתחבורה עצמה. משאית שמתעכבת עלולה לשבש חיוב, זמינות מדף וקריאות שירות. מחקרים בתחום מצביעים על כך ש 80 אחוז מצוותי המכירות המשתמשים בבינה מלאכותית דיווחו על השפעה חיובית על שימור לקוחות, ו 72 אחוז מהמנהלים ציינו ירידה בעומס האדמיניסטרטיבי.

מערכות TMS מודרניות מחשבות מסלולים מחדש בזמן אמת על ידי שילוב מתמשך של נתוני שטח חיים עם חוקים תפעוליים. הבינה המלאכותית שבתוך המערכת סוקרת תנועה, עדכוני הזמנות, ביטולים, זמינות נהגים, קיבולת רכב וחלונות שירות, ואז בונה מחדש את התוכנית הישימה הטובה ביותר. המטרה פשוטה, לצמצם עיכוב, למנוע נסיעה מיותרת ולשמור על ביצוע התואם למה שקורה בפועל על הכביש.

בפעם הראשונה שמנהל תפעול רואה מסלול שלם משתנה מול העיניים שלו, בלי שהוא הזיז אצבע, יש תגובה אנושית מאוד טבעית של חוסר אמון. שאלה שאני שומעת הרבה מנהגים היא, מי אמר שהמסלול החדש הזה באמת יותר טוב מהמסלול שהייתי בוחר בעצמי. התשובה שאני נותנת היא שהמערכת לא מנסה להחליף את השיפוט של הנהג, היא פשוט רואה בו זמנית עשרות משתנים שאף אדם לא יכול להחזיק בראש כשהוא נוהג.

אילו נתונים מערכת TMS מנתחת בזמן אמת

חישוב מחדש של מסלול תלוי בזרם קלט קבוע ולא בתוכנית בוקר אחת. קלטים אופייניים כוללים עומסי תנועה, מזג אוויר, הזמנות חדשות, ביטולים, עומסים חסרים, שינויי זמינות לקוח ומגבלות רכב, וכן כללי עבודה של נהגים. בפעילות ישראלית, שעות קבלה באזורי תעשייה ומגבלות פריקה עירוניות עשויות לשנות את המסלול המיטבי גם כשהמרחק נשאר זהה.

ביצועי TMS בזמן אמת תלויים באיכות האינטגרציה. אם ה ERP, רשומות המחסן, אפליקציות הנהג ועדכוני הלקוחות מנותקים, החישוב מחדש יהיה חלקי ומאוחר. הלקח החשוב ביותר שלמדנו מאינטגרציות מול מערכות ERP ישראליות, בין אם Priority או SAP או מערכות אחרות, הוא שהמכשול הקטן ביותר גורם לנזק הכי גדול. גילינו שאחד השלבים הקריטיים הוא לוודא סנכרון מלא של קודי מוצר בין המערכות, כי אי התאמה קטנה בקוד מוצר יכולה לשבש את כל חישוב העומס למשאית שלמה.

אפליקציית נהג שעובדת מחובר ולא מחובר מחזירה למטה סטטוסים, אישור מסירה, תמונות, חתימות וחריגות. האפליקציה צריכה להיות תחנת עבודה ניידת מלאה ולא רק כלי דיווח, כך שאנשי השטח מקבלים משימות, מנהלים תהליכים ומתקשרים עם המטה כחלק אינטגרלי מהמערכת המרכזית.

התפקיד האנושי בעידן ה TMS האוטומטי

בינה מלאכותית לא מנהלת אנשים. גם המערכת הטובה ביותר צריכה צוות שיודע לעבוד איתה. תפקידו של המוקדן או מנהל הלוגיסטיקה משתנה, ממתכנן שמנסה לזכור הכל בראש, למפקח שמזהה חריגות אמיתיות שדורשות שיקול דעת אנושי, ומעביר תובנות בחזרה לארגון. היכולת לזהות מתי לקוח זקוק ליחס אישי, מתי נהג צריך תמיכה מעבר להוראות המסך, ומתי כדאי לסטות מההמלצה של המערכת, נשארת אנושית לגמרי.